[发明专利]人脸跟踪方法和装置

说明书

本发明公开了一种人脸跟踪方法和装置。该方法包括：获取序列图像中当前帧图像的人脸特征信息和序列图像中前序帧图像的人脸跟踪信息，其中，前序帧图像为在序列图像中位于当前帧图像之前的帧图像，人脸特征信息中记录有当前帧图像中人脸特征点的信息，人脸跟踪信息用于记录前序帧图像的人脸跟踪结果；基于当前帧图像的人脸特征信息和前序帧图像的人脸跟踪信息，从前序帧图像中选取调整帧图像；利用调整帧图像的人脸跟踪信息和当前帧图像的人脸特征信息拟合出当前帧图像的调整参数；基于调整参数和前序帧图像的人脸跟踪信息，确定当前帧图像的人脸跟踪信息。本发明解决了现有的人脸配准点跟踪算法难以同时保证高准确度与低复杂度的技术问题。

技术领域

本发明涉及信息处理领域，具体而言，涉及一种人脸跟踪方法和装置。

背景技术

人脸配准算法作为人脸识别的一个重要处理环节，通过人脸配准算法可以确定人脸照片上各关键点位置的信息，利用该关键点位置的信息，一方面可以在自动P图、自动美妆等应用中实现更加智能化的功能，另一方面也可以准确判断用户的动作信息，如用户是否闭眼、是否张嘴等动作信息，对活体检测、疲劳驾驶检测等应用有巨大的帮助。

现有技术中，通常通过单张照片进行人脸配准点跟踪实现人脸识别等上述功能，然而单张照片提供的信息有限，难以获得准确、稳定的配准点。为了解决该问题，现有技术中利用视频中邻近帧包含的信息具有高度相关性的特点，通过相邻帧提供的辅助信息，有效提高当前帧图像配准结果的准确性和稳定性。

具体地，利用前后多帧配准结果求平均的方法提高配准点稳定性，采用该方案对于变化剧烈的视频序列，配准点准确性会严重降低，并且，利用后帧配准结果会使跟踪结果产生时延，无法保证实时性；设定防抖动规则，控制前后帧配准点结果的抖动幅度，以提高配准点稳定性，然而，由于防抖动规则非常复杂，难以将各种可能情形考虑周全，在某些特例情形下，跟踪结果的准确性和稳定性都会明显降低；直接以视频作为输入，用3DCNN(即3D卷积神经网络，用于运动识别)或LSTM(即Long Short-Term Memory，时间递归神经网络)等深度学习网络直接训练视频配准点结果，在该方案中，需要大量的标注训练样本视频，实际应用时代价很高。此外该类算法的耗时与内存开销往往都会较大。

针对上述现有的人脸配准点跟踪算法难以同时保证高准确度与低复杂度的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种人脸跟踪方法和装置，以至少解决现有的人脸配准点跟踪算法难以同时保证高准确度与低复杂度的技术问题。

根据本发明实施例的一个方面，提供了一种人脸跟踪方法，包括：获取序列图像中当前帧图像的人脸特征信息和序列图像中前序帧图像的人脸跟踪信息，其中，前序帧图像为在序列图像中位于当前帧图像之前的帧图像，人脸特征信息中记录有当前帧图像中人脸特征点的信息，人脸跟踪信息用于记录前序帧图像的人脸跟踪结果；基于所述当前帧图像的人脸特征信息和所述前序帧图像的人脸跟踪信息，从所述前序帧图像中选取调整帧图像；利用所述调整帧图像的人脸跟踪信息和所述当前帧图像的人脸特征信息拟合出所述当前帧图像的调整参数；基于调整参数和前序帧图像的人脸跟踪信息，确定当前帧图像的人脸跟踪信息。

根据本发明实施例的另一方面，还提供了一种人脸跟踪装置，包括：第一获取单元，用于获取序列图像中当前帧图像的人脸特征信息和序列图像中前序帧图像的人脸跟踪信息，其中，前序帧图像为在序列图像中位于当前帧图像之前的帧图像，人脸特征信息中记录有当前帧图像中人脸特征点的信息，人脸跟踪信息用于记录前序帧图像的人脸跟踪结果；第一选取模块，用于基于所述当前帧图像的人脸特征信息和所述前序帧图像的人脸跟踪信息，从所述前序帧图像中选取调整帧图像；拟合模块，用于利用所述调整帧图像的人脸跟踪信息和所述当前帧图像的人脸特征信息拟合出所述当前帧图像的调整参数；第二确定单元，用于基于调整参数和前序帧图像的人脸跟踪信息，确定当前帧图像的人脸跟踪信息。